图像处理--平滑

图像噪声

在采集、处理和传输过程中，数字图像可能会受到不同噪声的干扰，从而导致图像质量降低、图像变得模糊、图像特征被淹没，而图像平滑处理就是通过除去噪声来达到图像增强的目的。常见的图像噪声有椒盐噪声、高斯噪声等。

椒盐噪声

椒盐噪声（Salt-and-pepperNoise）也称为脉冲噪声，是一种随机出现的白点或黑点，具体表现为亮的区域有黑色像素，或是暗的区域有白色像素，又或是两者皆有。
下面左侧为图像原图，右侧为添加椒盐噪声的效果图：

高斯噪声（GaussNoise）是指概率密度函数服从高斯分布（正态分布）的一类噪声。除了常用抑制噪声的方法外，常采用数理统计方法对高斯噪声进行抑制。
下面左侧为图像原图，右侧为添加高斯噪声的效果图：

图像平滑处理

从信号处理的角度分析，图像平滑就是去除其中的高频信息，保留低频信息，即可以通过低通滤波来去除图像中的噪声，实现对图像的平滑处理。
根据滤波器的不同，滤波方式可分为均值滤波、高斯滤波和中值滤波。

均值滤波

均值滤波（MeanFiltering）就是对图像的所有像素点进行取均值，即以一个方形区域为单位，将该区域的中心像素点赋值为区域内所有像素点的平均值。
以下图为例，设定3×3领域为核，图（a）的中心像素点值为“226”。图（a）中的9个像素点值之和除以像素点个数，所得值“122”就是中心像素点的新值，计算式如下：
40+107+5+198+226+223+37+68+193÷9=122
将中心像素点的值替换为计算得到的新值，如图（b）：

均值滤波的算法简单、计算速度较快，但在图像去噪的同时也破环了图像的细节部分，从而导致图像清晰度降低。

高斯滤波

将各数值乘以相应的权数后加总求和，并将得到的总体值除以总的单位数，最后求得的值就是加权平均值。高斯滤波（GaussFiltering）就是对图像的所有像素点进行加权平均，即以一个方形区域为单位，将其中心像素点赋值为该区域的加权平均值。以下图为例，图（a）的中心像素点值为“226”，根据图（b）的权重分配计算加权平均值，所得值“164”就是中心像素点的新值，
计算式如下：40×0.05+107×0.1+5×0.05+198×0.1+226×0.4+223×0.1+37×0.05+68×0.1+ 193×0.05=164
将中心像素点的值替换为计算得到的新值，如图（c）：

中值滤波

将统计总体中的各个变量按值的大小顺序进行排列，形成一个数列，处于数列中间位置的变量值就称为中值。中值滤波（MedianFiltering）就是对图像的所有像素点进行取中值，即以一个方形区域为单位，将其中心像素点赋值为该区域的中值。
以下图为例，设定3×3领域为核，图（a）的中心像素点值为“226”，将图（a）中9个像素点值按照从小到大或从大到小的顺序进行排列，即5、37、40、68、107、193、198、223、226，中间值“107”就是中心像素点的新值。
将中心像素点的值替换为新值，如图（b）：

代码

均值滤波

通过调用cv2模块中的blur()函数，对指定图像进行均值滤波处理。

cv2.blur(src, ksize)

第一个参数“scr”是输入图像；
第二个参数“ksize”是卷积核的大小。

高斯滤波

cv2.GaussianBlur(src, ksize, sigmaX, sigmaY, borderType)

第一个参数“scr”是输入图像；
第二个参数“ksize”是高斯卷积核的大小，卷积核的高度和宽度都必须为正数和奇数；
第三个参数“sigmaX”是水平方向的高斯核标准偏差；
第四个参数“sigmaY”是垂直方向的高斯核标准偏差，默认值为“0”，表示与参数“sigmaX”相同；
第五个参数“borderType”是边界的填充类型。

中值滤波

cv2.medianBlur(src, ksize)

第一个参数“scr”是输入图像；
第二个参数“ksize”是卷积核的大小。

图像显示

创建自定义图像

通过调用matplotlib.pyplot模块中的figure()函数，创建一个自定义画像（Figure），用于显示滤波处理的结果图像。

plt.figure(figsize=(10, 5), dpi = 100)

设置图像显示参数

通过调用matplotlib.pyplot模块中的subplot()、imshow()和title()函数，指定画像（Figure）内的子图位置分布、子图颜色类型和子图标题。

plt.subplot(141), plt.imshow(img), plt.title("Original")

1）subplot()函数用于设置子图的位置分布，其语法格式如下：

matplotlib.pyplot.subplot(nrows, ncols, index, **kwargs)

第一个参数“nrows”和第二个参数“ncols”分别是subplot的行、列数；第三个参数“index”是索引位置，从“1”开始累计（左上角为“1”），依次向右递增。当行、列数都小于“10”，可以将两个数值缩写为一个整数，例如，代码“subplot(1,4,1)”和“subplot(141)”的含义相同，都表示将画像分为1行4列，当前子图排在第1位，即第1行的第1列。
2）imshow()函数用于设置子图颜色类型，其语法格式如下：

matplotlib.pyplot.imshow(X, camp = None)

第一个参数“X”是图像数据；第二个参数“cmap”是颜色图谱（colormap），默认为RGB（A）颜色空间。
3）title()函数用于设置子图标题，函数括号内的参数是子图名称，其语法格式如下:

matplotlib.pyplot.title(label, fontdict = None, loc = None, pad = None, *, y = None, **kwargs)

第一个参数“label”是标题文本，类型为字符串；
第二个参数“fontdict”是标题文本的字体属性，类型为字典；
第三个参数“loc”是标题位置，可取值“left”、“center”或“right”，默认值为“center”；
第四个参数“pad”是标题与子图的填充距离（内边距），默认值为“6.0”；
第五个参数“y”是标题在子图中的垂直距离，单位为子图高度的百分比，默认值为“None”，即自动确定标题位置，避免与其他元素重叠。值为“1.0”表示在子图顶端；
第六个参数“**kwargs”是文本对象关键字属性，用于控制文本的外观属性，如字体、文本颜色等。

设置坐标刻度

通过调用matplotlib.pyplot模块中的xticks()和yticks()函数，设置X、Y轴的刻度及标签，由于此例程在显示图像时无需使用坐标轴信息，此处将列表设为空，即不显示坐标轴。

plt.xticks([]), plt.yticks([])

xticks()函数的语法格式如下：

xticks(ticks=None, labels=None, **kwargs)

当参数为空，函数会返回当前X轴的刻度及标签；否则，函数用于设置当前X
轴的刻度及标签。
第一个参数“ticks”是X轴刻度的位置列表，若列表为空，X轴刻度将清空；
第二个参数“labels”是X轴刻度的标签，当参数“ticks”不为空，此参数才会传递；
第三个参数“**kwargs”用于控制刻度标签的外观。
yticks()函数的语法格式和xticks()函数的相同，区别在于yticks()函数的作用对象是Y轴。

显示图像

plt.show()